ट्रांसफर लर्निंग क्या है?

संग्रह की मदद से व्यवस्थित रहें अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.

परिष्कृत गहन शिक्षण मॉडल में लाखों पैरामीटर (वजन) होते हैं और उन्हें खरोंच से प्रशिक्षण देने के लिए अक्सर कंप्यूटिंग संसाधनों के डेटा की बड़ी मात्रा की आवश्यकता होती है। ट्रांसफर लर्निंग एक ऐसी तकनीक है जो एक मॉडल का एक टुकड़ा लेकर इसे शॉर्टकट करती है जिसे पहले से ही संबंधित कार्य पर प्रशिक्षित किया जा चुका है और इसे एक नए मॉडल में पुन: उपयोग कर रहा है।

उदाहरण के लिए, इस खंड में अगला ट्यूटोरियल आपको दिखाएगा कि आप अपना खुद का छवि पहचानकर्ता कैसे बना सकते हैं जो एक ऐसे मॉडल का लाभ उठाता है जिसे पहले से ही छवियों के भीतर विभिन्न प्रकार की वस्तुओं के हजारों को पहचानने के लिए प्रशिक्षित किया गया था। आप आवश्यक मूल मॉडल की तुलना में बहुत कम प्रशिक्षण डेटा का उपयोग करके अपनी स्वयं की छवि कक्षाओं का पता लगाने के लिए पूर्व-प्रशिक्षित मॉडल में मौजूदा ज्ञान को अनुकूलित कर सकते हैं।

यह तेजी से नए मॉडल विकसित करने के साथ-साथ ब्राउज़र और मोबाइल उपकरणों जैसे संसाधन विवश वातावरण में मॉडल को अनुकूलित करने के लिए उपयोगी है।

अक्सर ट्रांसफर लर्निंग करते समय, हम मूल मॉडल के वजन को समायोजित नहीं करते हैं। इसके बजाय हम अंतिम परत को हटाते हैं और काटे गए मॉडल के आउटपुट के शीर्ष पर एक नए (अक्सर काफी उथले) मॉडल को प्रशिक्षित करते हैं। यह वह तकनीक है जिसे आप इस खंड के ट्यूटोरियल्स में प्रदर्शित होते देखेंगे।